keras

0熱度

1回答

我有一個關於Keras函數Dropout的問題與noise_shape的參數有關的問題。問題1：什麼的的意思，如果你的輸入有形狀（batch_size時，時間步長，功能），你想輟學面膜是所有時間步長一樣，你可以使用noise_shape =（ batch_size，1，features）？和添加這個參數有什麼好處？這是否意味着將退出的神經元的數量與時間步長相同？這意味着在每個時間步t將會有n

2熱度

1回答

Keras：獲取圖像和標籤的陣列從flow_from_directory

我想訓練我的模型後獲得使用scikit混淆矩陣，但自從我用flow_from_directory，我沒有訪問數據和標籤或我不知道這樣做的方法。由於scikit混淆矩陣方法用於這樣的： confusion_matrix(y_true, y_pred) 和flow_from_directory不返回真正的標籤。有沒有辦法直接從flow_from_directory或其他方法獲得它們？

0熱度

1回答

Keras的回調函數可以在每個紀元保存預測的輸出

我是Keras的新手，我打算在每個紀元存儲我的網絡輸出。爲此，我想使用Tensorbaord觀察其環境中的輸出層。 class OutputObserver(Callback): """" callback to observe the output of the network """ def on_train_begin(self, logs={}): self.

0熱度

1回答

在sklearn/keras中使用cross_val_score時的負損失函數。當不使用k摺疊

我試圖實現一個模型，該模型需要167個分類變量（0或1）的數組，並輸出0和1之間的估計值。超過300個數據點可用。使用基本模型時，下面的樣板工程： classifier = Sequential() classifier.add(Dense(units = 80, kernel_initializer = 'uniform', activation = 'relu', input_dim =

1熱度

1回答

RNN（keras）的歐幾里德距離損失函數

我想將歐幾里得距離設置爲LSTM或RNN的損失函數。這樣的函數應該有什麼輸出：float，（batch_size）或（batch_size，timesteps）？模型輸入X_train是（n_samples，timesteps，data_dim）。 Y_train具有相同的尺寸。示例代碼： def euc_dist_keras(x, y): return K.sqrt(K.sum(

1熱度

1回答

計算對數的keras層？

我想建立一個Keras層，其中每個節點只需計算上一層中對應節點的對數。我從Keras文檔中看到它的後端模塊中有一個「日誌」功能。但不知何故，我不知道如何使用它。在此先感謝您提供的任何提示！

1熱度

2回答

正常化爲[0,1] vs [-1,1]

我一直在使用關於使用神經網絡進行關鍵點檢測的一些教程。我注意到，對於輸入（圖像），除以255是很常見的（歸一化爲[0,1]，因爲值介於0和255之間）。但是對於目標（X/Y）座標，我已經注意到將它標準化爲[-1,1]更爲常見。任何這種差距的原因。實施例：http://danielnouri.org/notes/2014/12/17/using-convolutional-neural-nets-

1熱度

1回答

Keras BatchNormalization總體參數更新，而在tensorflow

我在Ubuntu 16.04使用Keras 2.0.8與Tensorflow 1.3.0在CUDA 8.0和cuDNN 6. 我使用兩個BatchNormalization層（keras層）訓練在我的模型和培訓中使用tensorflow管道。我在這裏面臨兩個問題 - BatchNorm層總體參數（均值和方差）的未更新在訓練甚至設置K.learning_phase後到真。結果，推論完全失敗。我需要一

1熱度

2回答

密集層中有多少個節點？

我有後續密功能，我試圖去理解它 Dense(10, input_shape = (28*28,), kernel_initializer='he_normal')) 執行以下代碼的意思是我有我的層10個節點，或在我的第一層28個* 28個節點。我問了一個朋友，他們說這意味着你有一個28 * 28的輸入層，後面跟着一個有10個節點的隱藏層。

0熱度

1回答

CNN Keras每個曆元的樣本數量

我在理解每個曆元步驟中的觀測次數方面存在問題。我在Keras中實現了CNN以識別圖片中的方格圖案。我準備了240張訓練圖像和60張圖像進行交叉驗證，並添加了數據。 train_datagen = ImageDataGenerator(rescale=1./255, shear_range=0.2, zoom_range=0.2, horizontal_flip